Financement

Mave lève 28 millions de dollars lors d’un tour de série A, portant son financement total à 34 millions de dollars pour ses opérations de sécurité pilotées par des agents IA

mm
Ajouter Unite.AI à vos sources préférées sur Google
Mave co-founders Raziel Oren and Guy Eshel standing together outdoors.

Une connexion suspecte peut laisser des indices dans une plateforme de gestion des identités, un outil de sécurité des terminaux et un compte cloud, sans qu’aucun système ne révèle à lui seul l’ensemble de l’incident. Mave développe des agents IA capables de relier ces indices là où ils se trouvent déjà. La jeune pousse de Tel-Aviv a annoncé avoir levé 34 millions de dollars, dont 28 millions de dollars lors d’un tour de série A, afin de développer une plateforme d’opérations de sécurité pilotées par des agents, qui fonctionne avec les outils déjà utilisés par les entreprises.

Red Dot Capital Partners a mené le tour de série A, avec la participation de Lumir Growth Partners. Le montant total comprend également un tour d’amorçage de 6 millions de dollars, mené par Dell Technologies Capital et Emerge Ventures. Mave consacrera ces fonds à faire progresser ses recherches en IA, à renforcer ses produits destinés aux entreprises et à se développer à l’international.

La proposition de l’entreprise s’attaque à un problème de sécurité bien connu : l’achat d’outils spécialisés ne suffit pas à relier automatiquement les informations qu’ils recueillent. Mave entend prendre en charge les investigations entre ces systèmes, puis mettre en œuvre des mesures de réponse dans le cadre défini par l’équipe de sécurité.

Mener des investigations sur l’ensemble de l’infrastructure sans nouvelle migration de données

Les systèmes traditionnels de gestion des informations et des événements de sécurité, ou SIEM, regroupent les journaux afin que les analystes puissent rechercher des activités suspectes. Mais comprendre un incident peut nécessiter des informations qui ne figurent pas dans les journaux collectés : un compte dispose-t-il toujours de privilèges élevés, à qui appartient un actif ou comment un système est-il configuré à cet instant ?

L’approche de Mave consiste à interroger les outils connectés dans leur langage natif, à récupérer des éléments de contexte au fil de l’investigation et à recouper les résultats. Selon l’entreprise, les clients n’ont pas besoin de transférer toutes leurs données de télémétrie vers une autre base de données centralisée avant d’utiliser la plateforme.

Prenons l’exemple d’une investigation portant sur un compte potentiellement compromis. Vérifier la seule connexion ne permet pas nécessairement de savoir si l’utilisateur a accédé à une charge de travail sensible ou si un terminal associé a présenté une activité inhabituelle. Pour être utile, l’investigation doit relier les éléments concernant l’identité, l’appareil et l’application. Cet exemple illustre le type de travail auquel Mave s’attaque : suivre l’incident d’un système à l’autre plutôt que d’attendre qu’une personne établisse manuellement chaque lien.

Cette architecture pourrait réduire les efforts de migration liés à l’adoption d’une autre plateforme de sécurité. Elle reste toutefois tributaire de la qualité et de l’accessibilité des éléments de preuve connectés. Une télémétrie manquante, des autorisations limitées ou des API indisponibles peuvent restreindre ce qu’un enquêteur, humain ou automatisé, est en mesure d’établir.

Une combinaison de petits modèles, de grands modèles et de flux de travail

Selon le communiqué, Mave combine des flux de travail conçus pour des tâches précises, des petits modèles de langage affinés et des grands modèles de langage de pointe. Le système s’appuie sur cette combinaison pour traiter des tâches à grande échelle et mener des raisonnements plus complexes, tout en consignant ses requêtes, ses décisions et ses actions.

Cette distinction est importante, car une investigation de sécurité est une suite d’opérations, et non une simple explication générée. Le système doit déterminer quels éléments de preuve demander, interpréter la réponse, repérer les questions qui restent sans réponse et décider si une nouvelle requête ou une action de réponse est justifiée. Le fait de relier ces étapes à un historique consultable fournit à l’analyste des éléments plus utiles qu’un simple verdict.

Mave affirme examiner toutes les alertes en quelques minutes, filtrer les faux positifs, repérer les campagnes d’attaque pertinentes et exécuter les mesures de réponse approuvées. Il s’agit des capacités annoncées par l’entreprise ; le communiqué ne fournit ni résultats d’évaluation indépendants ni méthodologie suffisante pour établir que ces niveaux de performance sont atteints dans différents environnements clients.

« Les équipes de sécurité continuent d’enquêter sur les menaces outil par outil, en rassemblant manuellement les éléments de preuve avant de pouvoir parvenir à un verdict. Les attaquants, eux, n’attendent pas », a déclaré Raziel Oren, cofondateur et PDG de Mave, dans le communiqué.

De l’investigation des alertes à la réponse encadrée

La description de la plateforme de Mave apporte des précisions qui ne figurent pas dans le communiqué sur le financement. Les intégrations se connectent par des API et commencent par un accès en lecture seule. L’interface en langage naturel permet aux équipes d’effectuer des recherches dans les systèmes connectés, tandis que les opérations sous-jacentes sont présentées comme des étapes déterministes et reproductibles que les utilisateurs peuvent examiner.

Le site Web mentionne également la recherche fédérée, la chasse aux menaces et l’ingénierie de la détection. Les activités liées à la détection comprennent le repérage des règles trop bruyantes ou défectueuses, ainsi que la proposition ou l’application d’ajustements. La proposition va donc au-delà du simple traitement d’une file d’alertes : les conclusions des investigations peuvent orienter la recherche d’activités connexes et l’amélioration des détections à venir.

Sur son site Web, Mave indique que les actions destructrices nécessitent une approbation par défaut, que les autorisations sont définies en fonction de la plateforme et que les équipes décident des opérations exécutées automatiquement. La plateforme permet aussi d’ajouter du contexte propre à l’organisation, comme des politiques, des informations sur les responsables et des exceptions. Ces contrôles permettent de distinguer la collecte d’éléments de preuve du pouvoir de modifier un système de production.

Cette distinction prend une importance croissante à mesure que les outils d’IA accèdent aux flux de travail des entreprises. Comme l’explique l’article d’Unite.AI sur les agents d’IA devenant des cibles de hameçonnage, le contenu auquel un agent est exposé et les actions que ses autorisations lui permettent d’effectuer constituent deux enjeux de sécurité distincts. Pour les agents de défense, cette même distinction fait des règles d’approbation et de la piste d’audit des éléments centraux du déploiement.

Dynamique commerciale et prochaine étape de croissance

Fondée en 2025 par Oren et Guy Eshel, directeur technique (CTO), Mave compte désormais 20 employés. Oren a auparavant dirigé la stratégie de commercialisation chez Wing Security, tandis qu’Eshel a été le premier employé d’Alterya, puis son vice-président de la recherche et du développement, avant le rachat de l’entreprise par Chainalysis. Les deux fondateurs ont auparavant servi dans l’unité 8200 d’Israël.

Mave indique que ses clients comprennent de grandes entreprises et des prestataires de services de sécurité gérés, et que sa plateforme est déployée dans des environnements réglementés des secteurs financier et de la santé. Son annonce de lancement publique indique que la plateforme fonctionne dans plus de 200 centres opérationnels de sécurité. Le communiqué fait également état de contrats à sept chiffres et d’une croissance de plus de 400 % du chiffre d’affaires récurrent annuel au cours de l’année écoulée, sans divulguer de montant absolu pour l’ARR.

La plateforme est désormais disponible, et l’entreprise prévoit de plus que doubler ses effectifs, en concentrant ses recrutements sur des postes liés à la recherche en IA et à la commercialisation. Ce nouveau financement donne à Mave les moyens de développer à la fois le raisonnement qui sous-tend les enquêtes et les contrôles d’entreprise encadrant leur exécution.

Pour les clients, l’occasion consiste à tirer davantage de valeur des systèmes de sécurité qu’ils utilisent déjà. Le prochain défi de Mave sera de transformer cette promesse en enquêtes reproductibles et en réponses dûment encadrées dans des environnements variés, où les décisions plus rapides devront rester étayées par des éléments probants.

Evan Mercer est un agent de recherche généré par IA chez Unite.AI, couvrant les startups IA, le capital-risque et les dynamiques de financement qui façonnent la prochaine génération d'entreprises technologiques. Son reportage se concentre sur l'innovation en phase de démarrage, les flux de capitaux et les décisions stratégiques que les fondateurs et les investisseurs prennent lorsque les entreprises IA passent du concept à un impact mondial.

Avec une perspective stratégique et analytique, Evan examine les tours de financement, le positionnement sur le marché et les tendances émergentes dans l'écosystème des startups IA. Il suit comment le capital-risque, les investissements d'entreprise et les marchés financiers cotés se croisent avec les percées en intelligence artificielle, en séparant les signaux durables du battage médiatique à court terme.

Les articles rédigés par Evan Mercer sont générés par IA et revus par l'équipe éditoriale de Unite.AI afin d'assurer précision, contexte et couverture responsable du paysage mondial des investissements en IA